发明名称 基于多源置信模糊信息的严酷度计算方法
摘要 本发明公开了一种基于多源置信模糊信息的严酷度计算方法,其步骤是:首先,依据工艺失效严酷度的多维模糊等级,针对某个工艺失效模式,评估专家依次从各个评估角度出发,分别确定各评估角度下的各等级子块的置信度。然后,让计算机逐一计算各评估角度的严酷度综合评估值,并进行比较,选择最大的严酷度综合评估值作为该工艺失效模式的严酷度最终评估值。本发明避免了评估角度的遗漏,避免了在评估角度频繁切换过程中对专家思维活动的干扰,同时,分布式意见信度自动集结算法也减轻了评估专家的工作负荷,使得评估专家能集中精力进行单角度严酷度的深入分析,从而保证了严酷度评估的科学性、准确性、有效性。
申请公布号 CN105404736A 申请公布日期 2016.03.16
申请号 CN201510786074.7 申请日期 2015.11.17
申请人 南昌航空大学 发明人 汪建东;聂文滨;曾天;刘卫东;胡坤
分类号 G06F17/50(2006.01)I 主分类号 G06F17/50(2006.01)I
代理机构 南昌市平凡知识产权代理事务所 36122 代理人 张文杰
主权项 基于多源置信模糊信息的严酷度计算方法,其特征在于,严酷度同时具有来自多个角度的评估意见,让计算机逐一计算各评估角度的严酷度综合评估值,并进行比较,选择最大的严酷度综合评估值作为该工艺失效模式的严酷度最终评估值;包括以下步骤:1)确定评估严酷度所需要考虑的评估角度;针对每一个评估角度,依据模糊理论和相关的标准规范,确定该评估角度所包含的等级子块,并确定各等级子块所包含的基本等级值,从而得到工艺失效严酷度的多维评估模型和相应的严酷度多维评估表GT;2)选定待分析的故障模式FM<sub>i</sub>,评估专家填写严酷度的多维评估表;3)依据模糊理论,基本等级值可表示为三角模糊数<img file="FDA0000848747540000011.GIF" wi="607" he="78" />为表示方便,等级10用T来指代;等级子块所对应梯形模糊数<img file="FDA0000848747540000012.GIF" wi="105" he="79" />是若干个三角模糊数<img file="FDA0000848747540000013.GIF" wi="84" he="79" />的有界和:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mover><mi>H</mi><mo>~</mo></mover><mrow><mi>N</mi><mi>M</mi></mrow></msub><mo>=</mo><mo>&CirclePlus;</mo><munderover><mo>&Sigma;</mo><mrow><mi>n</mi><mo>=</mo><mi>N</mi></mrow><mi>M</mi></munderover><msub><mover><mi>H</mi><mo>~</mo></mover><mrow><mi>n</mi><mi>n</mi></mrow></msub><mo>=</mo><msub><mover><mi>H</mi><mo>~</mo></mover><mrow><mi>N</mi><mi>N</mi></mrow></msub><mo>&CirclePlus;</mo><msub><mover><mi>H</mi><mo>~</mo></mover><mrow><mo>(</mo><mi>N</mi><mo>+</mo><mn>1</mn><mo>)</mo><mo>(</mo><mi>N</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow></msub><mo>&CirclePlus;</mo><msub><mover><mi>H</mi><mo>~</mo></mover><mrow><mo>(</mo><mi>N</mi><mo>+</mo><mn>2</mn><mo>)</mo><mo>(</mo><mi>N</mi><mo>+</mo><mn>2</mn><mo>)</mo></mrow></msub><mo>...</mo><mo>&CirclePlus;</mo><msub><mover><mi>H</mi><mo>~</mo></mover><mrow><mi>M</mi><mi>M</mi></mrow></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000848747540000014.GIF" wi="1622" he="159" /></maths>式中:<img file="FDA00008487475400000112.GIF" wi="48" he="55" />是两个模糊数的有界和;梯形模糊数<img file="FDA0000848747540000015.GIF" wi="110" he="79" />含有(M‑N+1)个三角模糊数<img file="FDA0000848747540000016.GIF" wi="103" he="78" />4)依据模糊数的有界和定义,可将严酷度多维评估表转为一个7×10维的三角模糊数矩阵H;<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>H</mi><mo>=</mo><mfenced open = "[" close = "]"><mtable><mtr><mtd><msubsup><mi>H</mi><mn>11</mn><mn>1</mn></msubsup></mtd><mtd><msubsup><mi>H</mi><mn>22</mn><mn>1</mn></msubsup></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>H</mi><mrow><mi>T</mi><mi>T</mi></mrow><mn>1</mn></msubsup></mtd></mtr><mtr><mtd><msubsup><mi>H</mi><mn>11</mn><mn>2</mn></msubsup></mtd><mtd><msubsup><mi>H</mi><mn>22</mn><mn>2</mn></msubsup></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>H</mi><mrow><mi>T</mi><mi>T</mi></mrow><mn>2</mn></msubsup></mtd></mtr><mtr><mtd><mo>&CenterDot;</mo></mtd><mtd><mo>&CenterDot;</mo></mtd><mtd><mrow></mrow></mtd><mtd><mo>&CenterDot;</mo></mtd></mtr><mtr><mtd><mo>&CenterDot;</mo></mtd><mtd><mo>&CenterDot;</mo></mtd><mtd><mrow></mrow></mtd><mtd><mo>&CenterDot;</mo></mtd></mtr><mtr><mtd><mo>&CenterDot;</mo></mtd><mtd><mo>&CenterDot;</mo></mtd><mtd><mrow></mrow></mtd><mtd><mo>&CenterDot;</mo></mtd></mtr><mtr><mtd><msubsup><mi>H</mi><mn>11</mn><mi>L</mi></msubsup></mtd><mtd><msubsup><mi>H</mi><mn>22</mn><mi>L</mi></msubsup></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>H</mi><mrow><mi>T</mi><mi>T</mi></mrow><mi>L</mi></msubsup></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000848747540000017.GIF" wi="813" he="453" /></maths>式中:L是严酷度所需评估角度的个数;5)模糊集<img file="FDA0000848747540000018.GIF" wi="106" he="78" />包含严酷度的评估真值,这一论述不犯错的概率为v<sub>NM</sub>,则称v<sub>NM</sub>是模糊集<img file="FDA0000848747540000019.GIF" wi="108" he="79" />的置信度;第l个评估角度下的综合评估值是置信梯形模糊数,可看做若干个置信三角模糊数的有界和,具体见式(3)所示;专家在严酷度多维评估表的每一行所填的置信度要满足<img file="FDA00008487475400000110.GIF" wi="215" he="151" />依据公式(3),可得严酷度多维模糊评价的置信度矩阵v;<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mo>(</mo><msub><mover><mi>H</mi><mo>~</mo></mover><mrow><mi>N</mi><mi>M</mi></mrow></msub><mo>,</mo><msub><mi>v</mi><mrow><mi>N</mi><mi>M</mi></mrow></msub><mo>)</mo><mo>=</mo><mo>(</mo><msub><mover><mi>H</mi><mo>~</mo></mover><mrow><mi>N</mi><mi>N</mi></mrow></msub><mo>,</mo><msub><mi>v</mi><mrow><mi>N</mi><mi>N</mi></mrow></msub><mo>)</mo><mo>&CirclePlus;</mo><mo>(</mo><msub><mover><mi>H</mi><mo>~</mo></mover><mrow><mo>(</mo><mi>N</mi><mo>+</mo><mn>1</mn><mo>)</mo><mo>(</mo><mi>N</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow></msub><mo>,</mo><msub><mi>v</mi><mrow><mo>(</mo><mi>N</mi><mo>+</mo><mn>1</mn><mo>)</mo><mo>(</mo><mi>N</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow></msub><mo>)</mo><mo>&CirclePlus;</mo><mo>...</mo><mo>&CirclePlus;</mo><mo>(</mo><msub><mover><mi>H</mi><mo>~</mo></mover><mrow><mi>M</mi><mi>M</mi></mrow></msub><mo>,</mo><msub><mi>v</mi><mrow><mi>M</mi><mi>M</mi></mrow></msub><mo>)</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA00008487475400000111.GIF" wi="1622" he="87" /></maths>式中:v<sub>NM</sub>=v<sub>NN</sub>=v<sub>(N+1)(N+1)</sub>=…=v<sub>MM</sub><maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><mi>v</mi><mo>=</mo><mfenced open = "[" close = "]"><mtable><mtr><mtd><msubsup><mi>v</mi><mn>11</mn><mn>1</mn></msubsup></mtd><mtd><msubsup><mi>v</mi><mn>22</mn><mn>1</mn></msubsup></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>v</mi><mrow><mi>T</mi><mi>T</mi></mrow><mn>1</mn></msubsup></mtd></mtr><mtr><mtd><msubsup><mi>v</mi><mn>11</mn><mn>2</mn></msubsup></mtd><mtd><msubsup><mi>v</mi><mn>22</mn><mn>2</mn></msubsup></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>v</mi><mrow><mi>T</mi><mi>T</mi></mrow><mn>2</mn></msubsup></mtd></mtr><mtr><mtd><mo>&CenterDot;</mo></mtd><mtd><mo>&CenterDot;</mo></mtd><mtd><mrow></mrow></mtd><mtd><mo>&CenterDot;</mo></mtd></mtr><mtr><mtd><mo>&CenterDot;</mo></mtd><mtd><mo>&CenterDot;</mo></mtd><mtd><mrow></mrow></mtd><mtd><mo>&CenterDot;</mo></mtd></mtr><mtr><mtd><mo>&CenterDot;</mo></mtd><mtd><mo>&CenterDot;</mo></mtd><mtd><mrow></mrow></mtd><mtd><mo>&CenterDot;</mo></mtd></mtr><mtr><mtd><msubsup><mi>v</mi><mn>11</mn><mi>L</mi></msubsup></mtd><mtd><msubsup><mi>v</mi><mn>22</mn><mi>L</mi></msubsup></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>v</mi><mrow><mi>T</mi><mi>T</mi></mrow><mi>L</mi></msubsup></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000848747540000021.GIF" wi="702" he="439" /></maths>式中:L是严酷度所需评估角度的个数;6)有序加权算子OWG的权重w与置信度v之间的关系满足公式(5)、(6)、(7)由此可得一个7×10维的权系数矩阵W,具体见式(8);若专家认为某失效模式严酷度处于等级<img file="FDA0000848747540000022.GIF" wi="76" he="79" />的置信度为v<sub>ii</sub>,则三角模糊数<img file="FDA0000848747540000023.GIF" wi="71" he="79" />的权重为w<sub>ii</sub>=v<sub>ii</sub> i∈Z,i∈[1,10]   (5)若专家认为某失效模式严酷度处于等级<img file="FDA0000848747540000024.GIF" wi="103" he="79" />的置信度为v<sub>NM</sub>,则构成梯形模糊数的三角模糊数,其权重为<maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><msub><mi>w</mi><mrow><mi>N</mi><mi>N</mi></mrow></msub><mo>=</mo><msub><mi>w</mi><mrow><mo>(</mo><mi>N</mi><mo>+</mo><mn>1</mn><mo>)</mo><mo>(</mo><mi>N</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow></msub><mo>=</mo><mo>...</mo><mo>=</mo><msub><mi>w</mi><mrow><mi>M</mi><mi>M</mi></mrow></msub><mo>=</mo><mfrac><msub><mi>v</mi><mrow><mi>N</mi><mi>M</mi></mrow></msub><mrow><mi>M</mi><mo>-</mo><mi>N</mi><mo>+</mo><mn>1</mn></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000848747540000025.GIF" wi="1038" he="119" /></maths>若专家所填写的所有置信度为<img file="FDA0000848747540000026.GIF" wi="143" he="119" />则专家未赋予置信度的三角模糊数<img file="FDA0000848747540000027.GIF" wi="103" he="85" />其对应的权重为<maths num="0006" id="cmaths0006"><math><![CDATA[<mrow><msub><mi>w</mi><mrow><mi>j</mi><mi>j</mi></mrow></msub><mo>=</mo><mfrac><mrow><mn>1</mn><mo>-</mo><munder><mo>&Sigma;</mo><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></munder><msub><mi>v</mi><mrow><mi>i</mi><mi>j</mi></mrow></msub></mrow><mi>K</mi></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000848747540000028.GIF" wi="620" he="175" /></maths>式中:K是未获得专家赋值的三角模糊数的总数;<maths num="0007" id="cmaths0007"><math><![CDATA[<mrow><mi>w</mi><mo>=</mo><mfenced open = "[" close = "]"><mtable><mtr><mtd><msubsup><mi>w</mi><mn>11</mn><mn>1</mn></msubsup></mtd><mtd><msubsup><mi>w</mi><mn>22</mn><mn>1</mn></msubsup></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>w</mi><mrow><mi>T</mi><mi>T</mi></mrow><mn>1</mn></msubsup></mtd></mtr><mtr><mtd><msubsup><mi>w</mi><mn>11</mn><mn>2</mn></msubsup></mtd><mtd><msubsup><mi>w</mi><mn>22</mn><mn>2</mn></msubsup></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>w</mi><mrow><mi>T</mi><mi>T</mi></mrow><mn>2</mn></msubsup></mtd></mtr><mtr><mtd><mo>&CenterDot;</mo></mtd><mtd><mo>&CenterDot;</mo></mtd><mtd><mrow></mrow></mtd><mtd><mo>&CenterDot;</mo></mtd></mtr><mtr><mtd><mo>&CenterDot;</mo></mtd><mtd><mo>&CenterDot;</mo></mtd><mtd><mrow></mrow></mtd><mtd><mo>&CenterDot;</mo></mtd></mtr><mtr><mtd><mo>&CenterDot;</mo></mtd><mtd><mo>&CenterDot;</mo></mtd><mtd><mrow></mrow></mtd><mtd><mo>&CenterDot;</mo></mtd></mtr><mtr><mtd><msubsup><mi>w</mi><mn>11</mn><mi>L</mi></msubsup></mtd><mtd><msubsup><mi>w</mi><mn>22</mn><mi>L</mi></msubsup></mtd><mtd><mo>...</mo></mtd><mtd><msubsup><mi>w</mi><mrow><mi>T</mi><mi>T</mi></mrow><mi>L</mi></msubsup></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>8</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000848747540000029.GIF" wi="694" he="437" /></maths>7)依据公式(2)和公式(8)可得各评估角度的综合评估值,具体见公式(9)<img file="FDA0000848747540000031.GIF" wi="1242" he="359" />式中:L是严酷度所需评估角度的个数;8)采用层次分析法,确定各评估角度的归一化权重z<sup>l</sup>,则第l个评估角度所对应的加权综合评估值为<maths num="0008" id="cmaths0008"><math><![CDATA[<mrow><msup><mover><mi>&beta;</mi><mo>~</mo></mover><mi>l</mi></msup><mo>=</mo><msup><mi>z</mi><mi>l</mi></msup><munderover><mo>&Sigma;</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mn>10</mn></munderover><msubsup><mi>w</mi><mrow><mi>i</mi><mi>i</mi></mrow><mi>l</mi></msubsup><msubsup><mover><mi>H</mi><mo>~</mo></mover><mrow><mi>i</mi><mi>i</mi></mrow><mi>l</mi></msubsup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>10</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000848747540000032.GIF" wi="637" he="142" /></maths>9)比较L个加权综合风险评估值,则工艺失效严酷度的最终评估值为<img file="FDA0000848747540000033.GIF" wi="300" he="107" />
地址 330063 江西省南昌市丰和南大道696号